1.一种基于卷积神经网络的数字音频篡改被动检测方法，其特征在于，包括步骤1、对原始语音信号进行处理得到电网频率ENF成分；

步骤2、根据步骤1得到的ENF成分，提取基于DFT1的相位谱拟合特征参数 与相位波动特征 ，基于Hilbert变换的频率谱拟合特征参数 ，获得组合特征 ；

步骤3、使用步骤2中的组合特征 训练通用背景模型UBM,对包含篡改语音和未篡改语音的待训练语音信号按步骤2提取出组合特征 ，对UBM模型参数通过自适应MAP来更新模型参数；得到待训练语音的均值矩阵作为ENF高斯均值超矢量；

步骤4、采用卷积神经网络CNN对步骤3中得到的ENF高斯均值超矢量进行训练，使用注意力机制attention对CNN卷积层的输出特征进行特征选择以去除对分类无效的特征，使用sofmax层进行篡改检测；

步骤3是获取ENF高斯均值超矢量，具体包括：步骤3.1、对于D维语音特征 ，用于计算其似然函数的公式为：(1)

式中，似然函数由 个单高斯密度函数 加权得到， 是混合权重分量，其中每一个高斯分量的均值 和协方差 的大小分别为： 和 ；

(2)

其中 为第 个 维高斯分量的概率密度函数，混合权重分量 满足 ，假设 表示模型参数的集合，则有 ， ，该模型通过期望最大化EM迭代训练得出；

步骤3.2、用EM算法获取参数 ，先给予 一个初始值，然后估计出新参数 ，使得在下的似然度更高，即 ，新参数再作为当前参数进行训练，不断迭代，各参数的重估计公式为：(3)

其中 代表混合权重， 表均值和 为协方差矩阵；

步骤3.3、首先将原始语音与训练语音按步骤2提取处组合特征 ，用原始语音的特征按步骤3.2训练UBM模型，然后将训练语音的每个特征向量送入到UBM模型中，将经过MAP自适应得出的均值单独保留下来作为ENF高斯均值超矢量，其中，训练语音包含未篡改语音与篡改语音；

步骤4是卷积神经网络模型训练，具体包括：步骤4.1、构建卷积神经网络CNN，CNN网络模型由三个卷积块组成，每个块包含激活函数为Relu的两层卷积层、一层poolsize为2的MaxPool层，滤波器个数分别为64、128、256；

步骤4.2、 最后一个卷积块的输出输入到attention机制中进行特征选择，具体是：A、最后一个卷积块的输出进行Flatten操作后输入进神经元个数为1024的全连接层，激活函数为Relu；

B、步骤A中的全连接层的输出通过一层全连接层和sigmoid层；

C、步骤A中的全连接层的输出与步骤B中sigmoid的输出相乘；

步骤4.3、 步骤4.2.C中的输入到神经元个数为128的全连接层，激活函数为Relu，最后神经元个数为2且激活函数为softmax的全连接层作为输出层进行分类，具体是：A、4.2.C中的输入到神经元个数为128的全连接层；

B、步骤A中的输出输入到神经元个数为2的全连接层，激活函数为Relu；

(4)

其中 表示第 个神经元的输入， 为本层神经元个数， 表示待测语音是原始语音还是篡改语音的概率；

C、最后输出层得到的概率可得出待测语音是否被篡改，计算所有测试语音正确识别是否被篡改的概率，即系统的识别率。

2.根据权利要求1所述的一种基于卷积神经网络的数字音频篡改被动检测方法，其特征在于，步骤1是对原始语音信号依次进行下采样、窄带滤波得到ENF成分；具体包括：步骤1.1、下采样：在保证提取ENF精度的同时，有效减少计算量；将信号重采样频率定为1000HZ或者1200HZ；

步骤1.2、窄带滤波：为了防止相位延时得到理想的窄带信号，使用10000阶的线性零相位FIR滤波器进行窄带滤波，中心频率在ENF标准处，带宽为0.6HZ，通带波纹0.5dB,阻带衰减为100dB。

3.根据权利要求1所述的一种基于卷积神经网络的数字音频篡改被动检测方法，其特征在于，步骤2中，提取特征的具体方法包括：步骤2.1、计算ENF信号 在点n处的近似一阶导数(5)

其中 表示近似求导操作， 表示ENF成分第 个点的值；

步骤2.2、对 进行分帧加窗，帧长为10个标准ENF频率周期为 或 ，帧移为1个标准ENF频率周期为 或 ，用汉宁窗 对 进行加窗(6)

其中汉宁窗 ， 为窗长；

步骤2.3、每帧信号 与 分别执行N点离散傅里叶变换DFT得到 、，根据 的峰值点的整数索引 估计频率

(7)

其中 ， ， 是一个尺度系

数；

(8)

其中 表示离散傅里叶变换点数，为峰值点索引；

步骤2.4、计算 的相位 ， ；

步骤2.5、计算 的相位

(9)

其中 ， 为重采样频率， ，

， ， ， 表示小于a的最

大整数， 表示大于b的最小整数；

步骤2.6、步骤2.5中 有两个可能的值，用步骤2.4中 作为参考，选择 中最接近 的值；

步骤2.7、将步骤2.5中得到的 的相位 代入式（6）得到ENF相位波动特征F(10)其中 表示 从 到 的平均值， 表示帧数，， ， 为相应第 帧的估计相位；

步骤2.8、对信号 进行离散Hilbert变换；首先得到 的解析函数(11)

其中 ，H代表Hilbert变换；瞬时频率 是 相角的变化率；

步骤2.9、对步骤2.8中的 进行低通滤波，去除震荡；使用五阶椭圆滤波器IIR滤波器；中心频率为ENF标准频率，带宽为20HZ，通带波纹为0.5HZ，阻带衰减为64HZ；由于频率估计的边界效应，去掉 头尾各大约1s，最后得到ENF成分的瞬时频率估计 ；

步骤2.10、对步骤2.5中得到的相位特征 和步骤2.9中得到的瞬时频率特征 进行曲线拟合，提取相位谱拟合特征 ，频率谱拟合特征；

用Sum of Sines来拟合相位特征，其形式为：(12)

其中 是振幅，是频率，是每个正弦波项的相位常量，指这个序列的数量，， ， 为 的长度， 为相位特征 ；

用Gaussian来拟合瞬时频率特征，其形式为：(13)

其中 是峰值幅度，是峰值所在位置，与峰的旁瓣有关， 指拟合了多少个峰值，， ， 为 的长度， 为瞬时频率特征 ；

步骤2.11、由步骤2.10中的频率谱拟合特征 和相位谱拟合特征 ，步骤2.7中的相位波动特征 ，获得组合特征 。